Які ознаки свідчать про недостатній exploration у reinforcement learning?

Question

Answer

Агент постійно обирає одну й ту саму дію

Answer

Відсутність змін у поведінці агента протягом навчання

Answer

Висока ентропія політики (випадковий вибір дій)

Answer

Політика швидко стабілізується без подальшого покращення винагороди

Crowdly